2019 Fiscal Year Research-status Report
カテゴリ未学習物体を逐次的に追加学習するための物体検出・追跡手法の開発及び評価
| Project/Area Number |
19K20299
|
|---|
| Research Institution | Keio University |
|---|
Principal Investigator |
小篠 裕子 慶應義塾大学, 理工学研究科(矢上), 特任助教 (20782098)
|
|---|
| Project Period (FY) |
2019-04-01 – 2022-03-31
|
| Keywords | 未知物体 / 物体検出 |
|---|
| Outline of Annual Research Achievements |
未知物体を検出，学習するための手法を開発するための第一歩として， 以下の条件を満たすデータセットを構築した．以下条件：複数のカテゴリに属する複数物体が置いてあるシーンが動画で撮影されている；未学習，既学習とみなすカテゴリの種類や数にバリエーションがある；各シーンに置かれている物体数にバリエーションがある；各カテゴリにつき複数のインスタンスが用意されており，インスタンスにおいてオープンな設定ができる；同一の未学習カテゴリ物体が他のシーンにも存在する；未学習としたカテゴリの物体が追加されていくシーンも存在する；シーン毎に全ての物体位置がランダムに変わっている．以上の条件を満たす大量のシーンをロボット台車に設置したRGBDカメラで動画撮影し，三次元画像処理技術を用いることで，効率的に物体位置及びカテゴリを全動画像データにアノテーションした．具体的な処理の流れは，シーン毎に撮影したRGBD動画から三次元点群モデルを構成し，三次元点群に物体のカテゴリをアノテーションした後，その三次元点群を二次元のRGB動画像にレンダリングすることで物体位置とカテゴリを全データにアノテーションするというものである．最後に誤りがないかを確認し，誤りがあれば手動で修正した．
また，物体カテゴリが未知であるか既知であるかによらず，物体を抜けもれなく検出するための手法を提案した．シンプルなアプローチとして，物体検出の際に物体の候補領域を算出する戦略をとる手法であるFast RCNNを用いると，手法中のNon Maximum Suppressionによる悪影響による未学習物体の検出漏れが起こることを実験により確かめた．そこで本研究では，未知物体の未検出を防ぐ検出領域の特徴抽出法について議論し，研究発表を行った．
|
| Current Status of Research Progress |
Current Status of Research Progress
2: Research has progressed on the whole more than it was originally planned.
Reason
2019年度に計画していた３つの研究項目のうち，評価用データセットの構築と物体カテゴリの学習状況に依存しない物体検出手法の提案の２項目を達成しているため概ね順調と評価した．３つめの研究項目を実施できなかった理由は，データセット構築が当初の予定よりも大幅に時間を要したためである．
|
| Strategy for Future Research Activity |
当初の計画と変更なく，研究項目(2)物体カテゴリの未知・既知判定，(3)物体カテゴリ未学習物体の追跡，(4)物体カテゴリ未学習物体の同定，(5)収集データの外れデータ検出，(6)未学習カテゴリの追加学習の順に研究を進めていく予定である．
|
| Causes of Carryover |
2019年度には3つの研究項目において研究を進める計画をしていたが，当初計画していたよりもそのうちの1つ目の研究項目に時間がかかってしまったため，3つ目の研究項目を実施することができなかったため，その項目に必要な物品を購入しなかったため．2020年度はこの項目を進めるべく，物品購入にて繰り越し予算を使用する予定である．
|
